پرامپت‌نویسی چندنوبتی؛ جوابِ عالی را با هدایتِ گفتگو بگیر، نه با یک پرامپت

بیشترِ ما دنبالِ آن «پرامپتِ جادوییِ بی‌نقص» می‌گردیم که با یک بار نوشتن، دقیقاً همان چیزی را بدهد که در ذهن داریم. ولی کسانی که هر روز با هوش مصنوعی کار می‌کنند یک چیز را خوب فهمیده‌اند: جوابِ عالی معمولاً حاصلِ یک پرامپت نیست، حاصلِ یک گفت‌وگوست. پرامپت‌نویسی چندنوبتی یعنی به‌جای آنکه همهٔ انتظارت را در اولین پیام بریزی، جواب را مرحله‌به‌مرحله و با بازخوردِ هدفمند به سمتِ چیزی که می‌خواهی هدایت کنی.

چرا یک پرامپتِ بی‌نقص همیشه کافی نیست

وقتی یک خواسته را اولین بار توصیف می‌کنی، هنوز خودت هم همهٔ جزئیاتش را نمی‌دانی. تازه با دیدنِ اولین جواب است که می‌فهمی «نه، لحنش را رسمی‌تر می‌خواستم» یا «این بخش را اصلاً لازم نداشتم». انتظارِ اینکه در پیامِ اول همهٔ این‌ها را پیش‌بینی کنی، غیرواقعی است؛ درست مثل اینکه از یک طراح بخواهی بدونِ هیچ رفت‌وبرگشتی، در اولین تلاش دقیقاً سلیقهٔ تو را بزند.

مدل‌های گفت‌وگومحور دقیقاً برای همین رفت‌وبرگشت ساخته شده‌اند. در هر نوبت، مدل تمامِ پیام‌های قبلیِ همان گفت‌وگو را دوباره می‌خواند و جوابِ تازه را روی آن زمینه می‌سازد. این یعنی لازم نیست هر بار همه‌چیز را از نو تکرار کنی؛ کافی است بگویی چه چیزی را عوض کند. همین «حافظهٔ گفت‌وگو» بزرگ‌ترین سرمایه‌ای است که اغلب کاربران از آن استفاده نمی‌کنند.

پرامپت‌نویسی چندنوبتی یعنی پذیرفتنِ این واقعیت و تبدیلِ آن به روش. به‌جای یک پرتابِ بلندِ تک‌مرحله‌ای، یک مسیرِ کوتاهِ چندگامی می‌سازی: جوابِ اول نقطهٔ شروع است، نه خروجیِ نهایی.

تفاوتِ گفتگوی چندنوبتی با زنجیرهٔ پرامپت

این دو را زیاد با هم اشتباه می‌گیرند، در حالی‌که منطقشان فرق دارد.

در پرامپت زنجیره‌ای تو از قبل یک خطِ لوله طراحی می‌کنی: خروجیِ پرامپتِ اول را عمداً ورودیِ پرامپتِ دوم می‌کنی، بعد سوم و همین‌طور تا آخر. ساختار از پیش معلوم است و هر حلقه کارِ مشخصی دارد؛ این روش برای کارهای تکرارشونده و خودکارسازی عالی است.

در گفتگوی چندنوبتی اما مسیر از قبل معلوم نیست. تو جواب را می‌بینی و همان لحظه تصمیم می‌گیری قدمِ بعدی چه باشد؛ گاهی اصلاح، گاهی عمیق‌ترکردن، گاهی عقب‌گرد. این یک رقصِ تعاملی است، نه یک خطِ تولیدِ از‌پیش‌چیده‌شده. قاعدهٔ ساده: اگر مسیر را از اول می‌دانی و می‌خواهی بارها تکرارش کنی، زنجیرهٔ پرامپت؛ اگر داری اکتشاف می‌کنی و جواب را کشف‌به‌کشف جلو می‌بری، گفتگوی چندنوبتی.

چهار حرکتِ کلیدی برای هدایتِ گفتگو

هدایتِ خوب چند حرکتِ مشخص دارد که می‌توانی مستقیم به‌کار ببری.

بازخوردِ هدفمند، نه کلی

«بهترش کن» تقریباً بی‌فایده است، چون مدل نمی‌داند «بهتر» از نظرِ تو یعنی چه. به‌جایش دقیق بگو چه چیزی و چرا: پاراگرافِ دوم خیلی کلی است؛ یک مثالِ واقعی و عددی به آن اضافه کن. بقیهٔ متن خوب است، دست نزن. این‌طوری هم جهتِ اصلاح را می‌دهی و هم جلوی خراب‌شدنِ بخش‌های خوب را می‌گیری.

محدودکردنِ تدریجیِ دامنه

اولین جواب را عمداً باز بگذار تا فضای کامل را ببینی، بعد قیف را تنگ کن: از این پنج ایده، فقط دوتای اول را نگه دار و هرکدام را به یک برنامهٔ اجراییِ سه‌مرحله‌ای تبدیل کن. این «واگرایی بعد همگرایی» در یک گفتگو، ترکیبِ قدرتمندی است.

ارجاع به جوابِ قبلی

لازم نیست چیزی را که مدل قبلاً گفته دوباره کپی کنی؛ فقط به آن ارجاع بده: همان جدولی که بالاتر ساختی را بردار و یک ستونِ «ریسک» به آن اضافه کن. این هم سریع‌تر است و هم به مدل می‌فهماند که زمینه حفظ شده است.

بازتولیدِ مشروط

وقتی جواب در مسیرِ درست است ولی اجرا ضعیف، به‌جای تغییرِ خواسته، فقط شرطِ تازه بگذار: همین را دوباره بنویس، اما نصفِ طول و بدونِ هیچ کلمهٔ تخصصی. تفاوتِ «دوباره با این قید» با «از نو» را یاد بگیر؛ اولی زمینه را نگه می‌دارد، دومی پاکش می‌کند.

متنِ کاملِ الگوی چندنوبتی

این الگو را می‌توانی به‌عنوان پیامِ اول بگذاری تا از همان ابتدا گفتگو را چندنوبتی بچینی:

می‌خواهم روی این کار با هم مرحله‌به‌مرحله جلو برویم. اول یک پیش‌نویسِ کوتاه و اولیه بده، کامل و بی‌نقصش نکن. بعد از هر جواب، من یک بازخوردِ مشخص می‌دهم و تو فقط همان را اصلاح کن و بقیه را دست نزن. اگر جایی خواسته‌ام مبهم بود، به‌جای حدس‌زدن، یک پرسشِ کوتاه بپرس. موضوع این است: [کارت را این‌جا بنویس].

چرا این الگو کار می‌کند؟ چون سه قاعده را از اول جا می‌اندازد: جوابِ اول «پیش‌نویس» است نه «نهایی»، اصلاح‌ها «موضعی»اند نه «کلی»، و مدل به‌جای حدسِ اشتباه، اجازه دارد بپرسد. همین جملهٔ آخر، نسخه‌ای از تکنیکِ اول سؤال، بعد جواب را داخلِ گفتگو فعال می‌کند.

چهار نسخهٔ موقعیتی

نسخهٔ نوشتن و محتوا

یک پیش‌نویسِ اولیه از این متن بده. بعد منتظرِ بازخوردِ من بمان؛ هر بار فقط بخشی که می‌گویم را عوض کن و لحنِ کلی را ثابت نگه دار.

نسخهٔ کدنویسی

یک نسخهٔ سادهٔ کارکننده از این تابع بنویس، بهینه‌سازی نکن. بعد من موردهای لبه را یکی‌یکی می‌گویم و تو فقط برای همان‌ها کد را گسترش بده، نه بازنویسیِ کامل.

نسخهٔ تصمیم‌گیری

اول فهرستِ گزینه‌ها را بده. بعد که گفتم کدام‌ها را نگه دارم، همان‌ها را عمیق کن و معیارهای مقایسه را اضافه کن. در هر مرحله منتظرِ انتخابِ من بمان.

نسخهٔ یادگیری

این موضوع را در یک پاراگرافِ ساده توضیح بده. بعد من هرجا را نفهمیدم می‌پرسم و تو فقط همان نقطه را بازتر کن، از اول شروع نکن.

کِی ادامه بده، کِی از نو شروع کن

گفتگوی طولانی همیشه بهتر نیست. وقتی پیام‌ها زیاد می‌شوند، گاهی زمینه آن‌قدر شلوغ می‌شود که مدل بینِ خواسته‌های قدیمی و جدیدِ تو گیر می‌کند و جواب‌ها کم‌کم از مسیر منحرف می‌شوند. نشانه‌اش این است که مدل مدام به یک اشتباهِ قدیمی برمی‌گردد یا قیدی را که دو پیام قبل برداشتی دوباره اعمال می‌کند.

قاعدهٔ عملی: تا وقتی اصلاح‌ها دارند جواب را جلو می‌برند، ادامه بده. اما همین‌که دیدی داری دورِ خودت می‌چرخی یا مدل زمینهٔ کهنه را نگه داشته، یک گفتگوی تازه باز کن و این‌بار بهترین نسخه‌ای را که تا حالا ساخته‌ای به‌عنوانِ نقطهٔ شروع بچسبان. این یعنی زمینهٔ تمیز، بدونِ آشغالِ انباشته. اگر می‌خواهی عمیق‌تر بفهمی چرا چیدمان و حجمِ زمینه این‌قدر مهم است، مهندسی کانتکست و چیدمان اطلاعات در پرامپت را ببین.

پنج اشتباهِ رایج

اشتباه اول: بازخوردِ کلی مثل «خوب نیست» یا «بهترش کن». مدل بدونِ جهتِ مشخص، تصادفی تغییر می‌دهد و اغلب بخشِ خوب را هم خراب می‌کند.

اشتباه دوم: هر بار پاک‌کردنِ همه‌چیز و شروعِ دوباره. وقتی برای یک اصلاحِ کوچک گفتگوی تازه باز می‌کنی، زمینهٔ ارزشمندی را که ساخته بودی دور می‌ریزی.

اشتباه سوم: نگفتنِ «بقیه را دست نزن». اگر محدوده را مشخص نکنی، مدل ممکن است همراهِ اصلاحِ یک بخش، بخش‌های درست را هم بازنویسی کند.

اشتباه چهارم: ادامه‌دادنِ یک گفتگوی خراب. وقتی جواب‌ها مدام منحرف می‌شوند، بیشتر پیام‌دادن معمولاً بدترش می‌کند؛ آن‌جا باید زمینه را تازه کنی.

اشتباه پنجم: پرسیدنِ چند تغییرِ نامربوط در یک پیام. وقتی همزمان لحن، طول و ساختار را عوض می‌خواهی، نمی‌فهمی کدام بازخوردت اثر کرد؛ تغییرها را نوبتی بده.

ترکیب با تکنیک‌های دیگر

گفتگوی چندنوبتی یک بسترِ کلی است و بیشترِ تکنیک‌ها داخلِ آن قوی‌تر می‌شوند.

با خودانتقادی: بعد از هر جواب بگو «خودت این را نقد کن و یک نسخهٔ بهتر بده»؛ این همان منطقِ خودانتقادی و بازنویسی است که در گفتگو بسیار طبیعی اجرا می‌شود.

با ویرایشِ هدفمند: وقتی متن تقریباً آماده است، با زبانِ ویرایشِ هدفمند فقط نقاطِ مشخص را دست‌کاری کن تا بقیه سالم بماند.

با نقش‌دهی: اول نقشِ مدل را تثبیت کن، بعد گفتگو را پیش ببر؛ نقش در همهٔ نوبت‌ها حفظ می‌شود و لازم نیست تکرارش کنی. برای تمرینِ بیشتر، آموزش‌های چت‌جی‌پی‌تی را دنبال کن.

پرسش‌های پرتکرار

گفتگوی چندنوبتی همان زنجیرهٔ پرامپت است؟

نه. زنجیرهٔ پرامپت یک خطِ لولهٔ از‌پیش‌طراحی‌شده است که خروجیِ هر مرحله ورودیِ مرحلهٔ بعد می‌شود. گفتگوی چندنوبتی اکتشافی است؛ مسیر را همان لحظه و بر اساسِ جوابی که دیدی می‌سازی.

گفتگوی طولانی باعثِ خطای بیشترِ مدل می‌شود؟

گاهی بله. وقتی زمینه خیلی شلوغ و پر از خواسته‌های متناقضِ قدیمی و جدید شود، مدل ممکن است منحرف شود. راه‌حل این است که وقتی احساس کردی گفتگو کهنه شده، نسخهٔ خوبِ فعلی را در یک گفتگوی تازه ادامه بدهی.

برای یک کارِ خیلی ساده هم باید چندنوبتی کار کنم؟

نه. اگر یک پرسشِ مستقیم و تک‌مرحله‌ای داری، یک پرامپتِ خوب کافی است. چندنوبتی وقتی ارزش دارد که خروجی سلیقه‌ای، پیچیده یا اکتشافی باشد و با یک بار نوشتن به نتیجه نرسی.

چطور نگذارم مدل بخش‌های درست را خراب کند؟

در هر بازخورد، محدودهٔ تغییر را صریح بگو و جملهٔ «بقیه را دست نزن» را اضافه کن. این ساده‌ترین محافظ در برابرِ بازنویسیِ ناخواسته است.